时间会告诉我们:时间缩短技术和人工智能可以设置时间截止,表明胚胎无能

科学领域:

• 生殖医学和生物学 生殖医学和生物学
• 胚胎学和辅助生殖技术 (ART)
• 医疗保健中的人工智能

背景情况:

• 时隔技术 (TLT) 能够持续观察胚胎,但用于预测怀孕的形态动力学算法表现出有限的成功.
• TLT有潜力识别发育不合格的胚胎,防止非生产性周期,提高试管婴儿的效率.
• 区分不能到达胚芽细胞阶段的胚胎或患有动脉增生病的胚胎可以减少患者的压力和成本.

研究的目的:

• 确定结合时间缩短技术 (TLT),人工智能 (AI) 和前植入基因测试 (PGT-A) 可否为胚胎发育不称职创造更可靠的时间截止.
• 评估人工智能驱动的时间切断的潜力,以区分euploid和aneuploid胚胎,以及发育停止的胚胎.

主要方法:

• 使用来自PGT-A周期 (euploid, aneuploid, arrested) 的70%胚胎的培训数据集来定义时间截止值 (tPNa-t8) 和整合孕产妇年龄范围.
• 通过将结果与时间和母亲年龄相匹配来生成模型,ROC曲线识别了预测无能度的门.
• 对样本外,内部和外部数据集进行了验证,使用混矩阵来测试定义的时间截止值的准确性.

主要成果:

• 针对不同发育阶段 (tPNa,tPNf,t2,t4,t8) 的不同母亲年龄组,确定了发育不称职的具体时间截止日期.
• 前核形成的时间 (tPNf) 和裂变的时间 (t2) 与染色体能力有显著的关联,即使对母亲年龄进行了调整.
• 然而,基于tPNf和t2的切断值表现不那么有效,并且与胚胎细胞发育切断值相比,被发现是多余的.

结论:

• 该研究表明,通过将多个发育阶段的时间切断结合起来,可以更好地预测胚胎发育不称职,考虑到母亲的年龄.
• 这种人工智能驱动的方法,如果得到验证,可以通过减少不必要的胚胎移植和冷保存来显著提高ART的效率.
• 需要在更大的样本大小和不同的临床环境中进行进一步的验证,并可能在静态胚胎观察中应用.